ERPに年間300万円払っている中小企業に聞きたい。それ、まだ必要ですか？

LLMのAPI利用コストが100分の1になった。GPT-3.5クラスの性能が、2023年初頭には月3万円かかっていたのが、2024年後半には月300円で使える水準まで落ちている。トークン単価でいえば、GPT-4 Turboですら1年で約10分の1。オープンソースのLlama 3やMistralをローカルで動かせば、推論コストは実質ゼロに近づく。

この「コストの底が抜けた」事実を、基幹システムの文脈で考えている中小企業の経営者はまだ少ない。

だが、構造的に見れば答えは明快だ。ERPは静かに死に始めている。

ERPの正体は「高い翻訳機」だった

そもそもERPとは何か。在庫管理、受発注、売上管理、財務会計——バラバラに動いていた業務データを一元管理する仕組みだ。中小企業がSAP Business OneやOBICの奉行シリーズを導入すれば、初期費用200〜500万円、年間保守で50〜150万円。5年使えばトータル700〜1,500万円になる。

従業員30人の製造業にとって、これは重い。重いが、仕方なく払ってきた。なぜか。

人間の言葉とシステムの言語が違うからだ。

「先月の粗利率が悪い取引先を出して」と聞いても、従来のシステムは答えない。SQLを書ける人間か、専用画面のどこをクリックすればいいか知っている人間が必要だった。ERPは、業務の言葉をシステムの言葉に翻訳する「高い翻訳機」だった。

LLMは、この翻訳コストをゼロにする。

月300円のLLMが壊す「3つの前提」

ERPが成立していた前提は3つある。LLMのコスト崩壊は、この3つを同時に破壊する。

前提1：データの一元管理には専用システムが必要

従来は、請求書はExcel、在庫は専用ソフト、顧客情報はスプレッドシート——これを統合するためにERPが必要だった。

今はどうか。LLMエージェントがCSV、PDF、Googleスプレッドシート、kintoneの中身を横断的に読み取り、自然言語で回答できる。「9月に仕入れ単価が10%以上上がった部品を一覧にして」と聞けば、複数のデータソースから引っ張ってきて表にする。

統合するのはシステムではなく、AIになった。データの置き場所はバラバラでも構わない。この時点で、ERPの存在意義の半分が消える。

前提2：業務ロジックはコードで書くしかない

「月末締め翌月末払いの請求書を自動発行する」「在庫が安全在庫を切ったらSlackに通知する」——こうしたルールは、従来はプログラムとして実装する必要があった。カスタマイズ1件あたり30〜100万円。中小企業にとっては、ちょっとしたルール変更のたびに外注費が飛ぶ構造だった。

LLMエージェントなら、自然言語でルールを記述できる。「月末に未入金の請求書があれば、担当者にリマインドメールを送って」と書けば動く。ノーコードどころか、「日本語コード」だ。カスタマイズコストが100万円から実質0円になる世界が見えている。

前提3：システム運用には専門人材が必要

ERPの保守運用には、社内SEか外部ベンダーが不可欠だった。中小企業がシステム担当を1人雇えば年間500万円。外注すれば月10〜30万円。

LLMベースのシステムなら、エラーが出たときに「何が起きたか教えて」と聞ける。設定変更も自然言語で指示できる。属人化していた運用知識が、AIに吸収される。

つまり、ERPが提供していた価値の大部分を、月300円〜数千円のLLMが代替できる構造になりつつある。

ローカルLLMという選択肢——データを外に出さずに済む

「でも、うちのデータをOpenAIに送るわけにはいかない」

この懸念はもっともだ。取引先情報、原価データ、従業員情報——中小企業の基幹データは機密の塊だ。

ここで効いてくるのがローカルLLMだ。Llama 3 8Bクラスのモデルなら、16GBメモリのノートPCでも動く。Ollamaを使えばセットアップは10分。推論コストはPCの電気代だけ。月数十円の世界だ。

性能はGPT-4に劣るが、「請求データを集計して月次レポートを作る」「発注書のPDFから品番と数量を抜き出す」といった定型業務には十分すぎる。重い判断が必要なタスクだけクラウドのGPT-4oに投げ、定型処理はローカルで回す。このルーティング——タスクの重さに応じてモデルを振り分ける設計——が、中小企業のAI活用の実践的な解になる。

エッジ推論のトレードオフを正直に書く

ローカルLLMは万能ではない。トレードオフは3つある。

1. 精度の天井がある。 8Bパラメータのモデルでは、複雑な財務分析や多段階の推論は厳しい。間違った集計を出すリスクがある。重要な数字は必ず人間がチェックするフローが要る。

2. 応答速度はハードに依存する。 GPU非搭載のPCでは、長文生成に30秒以上かかることもある。リアルタイム性が求められる業務には向かない。中古のRTX 3060（3〜4万円）を1枚刺すだけで体感速度は5倍になるが、この投資判断ができるかどうか。

3. 運用の型を作る人が必要。 ツールは簡単になったが、「どの業務にどのモデルを当てるか」「プロンプトをどう設計するか」という設計は、最初だけ人間の頭が要る。ここを外部に頼むか、自社で1人育てるか。月5万円の顧問で済む話だが、ゼロにはならない。

これらを理解した上で、「それでもERPに年間300万円払い続けるのか？」という問いに向き合う必要がある。

具体的な移行シナリオ：従業員20人の卸売業の場合

実際の数字で考えてみる。

現状（ERP利用）：

• ERPライセンス＋保守：年間180万円
• カスタマイズ外注：年間60万円
• システム担当者（兼務）の工数：実質年間100万円相当
• 合計：年間340万円

LLMベースに移行した場合：

• クラウドLLM API（GPT-4o等）：月3,000〜5,000円 → 年間6万円
• ローカルLLM用PC（初年度のみ）：15万円
• データ連携ツール（n8n, Make等）：月5,000円 → 年間6万円
• 外部顧問（月1回の設計レビュー）：月5万円 → 年間60万円
• 合計：初年度87万円、2年目以降72万円

年間で250万円以上のコスト削減。 5年で1,200万円以上浮く計算だ。従業員20人の会社にとって、この差は経営判断を変えるレベルだ。

ERPベンダーはどう動くか

大手ERPベンダーも手をこまねいてはいない。SAPはJouleというAIアシスタントを統合し、Oracleも生成AI機能を追加している。だが、これらは「既存のERPにAIを載せる」アプローチだ。ライセンス構造は変わらない。年間数百万円の課金モデルはそのままで、AIは追加オプション扱いになる。

中小企業にとって、これは本質的な解決にならない。高い基盤の上に高い追加機能を載せるだけだ。

一方で、kintoneやNotionのような軽量プラットフォームにLLMを接続する「組み合わせ型」のアプローチが、中小企業の現実解として浮上している。基盤は月数千円のSaaS、知能は月数百円のLLM。合計月1万円以下で、ERPの主要機能をカバーできる時代が来ている。

「次の10年」で起きること

予測ではなく、構造から見えることを書く。

1〜2年以内： LLMエージェントが定型業務（請求書処理、在庫アラート、月次レポート）を自動化する事例が急増する。先行する中小企業はERPの契約更新を見送り始める。

3〜5年以内： 業種特化のLLMエージェントパッケージが登場する。「製造業向け」「卸売業向け」のように、プロンプトとデータ連携がセットになったテンプレートが月1万円以下で流通する。ERPの新規導入件数は激減する。

5〜10年以内： 基幹システムという概念自体が溶ける。データはバラバラに存在し、AIが横断的に統合・処理する。「システムを導入する」のではなく「AIに業務を教える」時代になる。

で、今日から何をすればいいのか

3つだけ。

1. ERPの契約更新日を確認する。 次の更新までに、LLMで代替できる業務を1つ実験する。請求書の自動仕分けでも、月次売上レポートの自動生成でもいい。

2. Ollamaをインストールして、自社データで試す。 所要時間は30分。自社の売上CSVを読み込ませて「先月の売上トップ10を出して」と聞いてみる。動く実感を持つことが最初の一歩だ。

3. 「このERPの機能、本当に使っているか？」を棚卸しする。 多くの中小企業では、ERPの機能の2〜3割しか使っていない。使っていない機能に払っているコストを可視化するだけで、判断が変わる。

ERPに年間数百万円を払い続ける構造は、LLMのコスト崩壊によって、静かに、しかし確実に解体されていく。問題は「起きるかどうか」ではなく「いつ動くか」だ。

早い者勝ちではない。でも、遅い者負けだ。

—